如何在Pandas中按多列匹配并替换DataFrame的指定列值？

你已经通过df1.merge(df2, on=['col1', 'col2'])找到了匹配的行，接下来可以通过两种方式完成替换需求：

方法一：基于左连接（Left Merge）的分步处理 #

这种方法更直观，适合理解整个匹配替换的过程：

1. 首先执行左连接，保留df1的所有行，同时把df2的匹配值带进来：

merged_df = df1.merge(df2, on=['col1', 'col2'], how='left', suffixes=('_x', '_y'))

这时候你会得到包含col3_x（df1原数据）和col3_y（df2匹配数据）的结果，没有匹配的行col3_y会是NaN。

2. 生成新的col3列：优先使用df2的col3_y（如果存在匹配），否则保留df1的col3_x：

merged_df['col3'] = merged_df['col3_y'].fillna(merged_df['col3_x'])

3. 提取需要的列并整理结果：

result_df = merged_df[['col1', 'col2', 'col3']].reset_index(drop=True)

运行后就能得到你想要的输出啦！

方法二：用update方法（更简洁高效） #

如果追求代码简洁和性能，推荐用set_index+update的组合，直接基于匹配的索引更新数据：

# 把col1和col2设置为索引，用于匹配
df1_indexed = df1.set_index(['col1', 'col2'])
df2_indexed = df2.set_index(['col1', 'col2'])

# 用df2的col3值更新df1中索引匹配的行
df1_indexed.update(df2_indexed)

# 重置索引回到原来的结构
result_df = df1_indexed.reset_index()

这个方法会直接修改df1的索引匹配行的col3值，不需要额外处理空值，代码更紧凑。

两种方法都能实现你的需求：当col1和col2同时匹配时，用df2的col3替换df1的对应值，不匹配的行则保留df1原数据。

内容的提问来源于stack exchange，提问作者sakthivinoth